使用kfold交叉验证对训练数据进行超参数调整

Question

我想在kfold交叉验证中对训练数据应用超参数调整，以便估计将要选择的最佳参数，因此，我稍后将记录最佳超参数并将其用于我的模型训练和测试。

我想知道如何将超参数调整放入 kfold交叉验证循环中。但是，这就是我通常使用kfold的方式：

kfold = KFold(n_splits=4, random_state=42)
model = LinearRegression()
results = cross_val_score(model, X, Y, cv=kfold, scoring='r2')
print("R2: %.3f%% (%.3f%%)" % (results.mean() * 100.0, results.std() * 100.0))

但是由于我要访问kfold循环，因此我可以执行以下操作吗？？

 kf = KFold(n_splits=4, random_state=42)
 kf.get_n_splits(X)
 predicted_y = []
 expected_y = []
 for train_index, test_index in kf.split(X):
    # print("TRAIN:", train_index, "TEST:", test_index)
    X_train, X_test = X[train_index], X[test_index]
    y_train, y_test = y[train_index], y[test_index]

    regressor = LinearRegression()
    regressor.fit(X_train, y_train)

    predicted_y.extend(regressor.predict(X_test))
    expected_y.extend(y_test)

accuracy = r2_score(expected_y, predicted_y)
print("R2: ", accuracy)

，如果可以，我应该如何插入GridSearch CV？